【文件属性】：
文件名称：GAN:GAN实验的实施
文件大小：194.02MB
文件格式：ZIP
更新时间：2021-04-28 20:13:04
machine-learning computer-vision deep-learning generative-adversarial-network gans
甘
我正在尝试使用各种已知的GAN架构，并在这里尝试新的想法
已经尝试过什么
协同GAN一起训练多个生成器，并复制性能最佳的生成器权重以进行下一次迭代
自动编码器
MNIST上的基本自动编码器
VAE
MNIST上的变体自动编码器
从同一输出层提取均值和方差效果最佳
有用的教程-https:
甘香草
简单的全连接生成对抗网络
在Vanilla GAN上合作运行GAN
同时训练多个生成器，并选择性能更好的一个生成器，并复制其他生成器以进行下一次迭代。
想法是在一段时间内进行合作改进
最佳表现生成器可以具有最小/最大损失，也可以随机选择
获胜者采取一切策略
结果
最小损失：
最大损失：
随机选择：
具有最小损失，但发电机输入是相同的噪声：
最小vs最大vs随机（第200个纪元输出）
敏
最大限度
随机的
为什么最大损失会执行最小损失
所有发电机的损耗最终都在减